Epsilla

一句话介绍

Epsilla是一套用于构建AI智能体、私有知识库和RAG应用的平台，既提供面向业务人员的可视化云服务，也提供可以自托管的开源向量数据库。

工具简介

Epsilla把数据接入、解析切分、向量检索、模型调用、智能体配置、评估和发布集中在同一工作空间中。用户可以先建立知识库，再创建聊天智能体或智能搜索应用。

产品当前包含两个需要分别理解的部分：Epsilla Cloud是商业化AI智能体与RAG平台，Epsilla Vector Database则是公开源码的向量数据库。开源数据库和客户端并不代表整个云平台开源。

主要功能

1. 可视化创建AI智能体

用户可以在网页界面创建面向特定领域的AI智能体，配置提示词、知识材料、模型和检索流程。基础任务不要求从零编写完整后端。

• Chat Agent用于基于私有资料进行连续问答和对话。
• Smart Search Agent用于从知识库中检索信息并组织回答。
• 高级工作流允许组合检索、模型、工具和条件处理步骤。
• 版本控制用于保存应用配置变化，降低修改后难以回退的风险。
• 预览功能可在发布前检查回答、样例问题和交互效果。

2. 多渠道RAG知识库

Epsilla可以把本地文件、网站和企业内容系统汇入知识库，再经过解析、切分、向量化与索引处理，作为智能体回答时的检索上下文。

3. 数据解析、切分与自动同步

知识库提供解析、切分、嵌入模型、元数据和自动同步等设置。团队可以按资料结构调整分块方式，并用元数据约束检索范围。

• Auto Sync用于让外部数据源的变化持续同步到知识库。
• Data Parsing决定如何从文件或页面中抽取可检索文本。
• Data Chunking控制文本分块方式，影响召回粒度和上下文长度。
• Embedding设置决定知识内容如何转换成向量表示。
• Hypothetical Questions可为内容生成假设问题，辅助改善问答召回。
• Webhook和程序化管理能力可把知识库更新接入业务流程。

4. 私有数据检索与混合搜索

底层向量数据库支持向量字段、元数据过滤以及稠密向量与稀疏向量融合的混合检索。它适合语义搜索、文档问答、推荐和大模型长期记忆等任务。

数据库具有数据库、表和字段等常见管理概念，向量只是其中一种字段类型。开发者可以同时保存业务字段，在检索时返回原始文本和结构化数据。

5. 模型与搜索服务集成

平台文档列出OpenAI、Anthropic等大模型提供商，并支持GPT、Claude、Mistral以及Jina AI、Voyage AI等嵌入服务。实际可选模型会随供应商和账户权限变化。

用户可以接入自己的模型密钥，模型调用费用和限额由对应供应商处理。文档还列出Tavily作为网页搜索服务，用于给智能体补充实时网络信息。

6. 应用评估

Epsilla提供评估项目、评估运行和历史记录，用于比较智能体或检索流程的表现。公开更新记录曾列出ROUGE和Token Overlap等指标，具体可用指标应以当前控制台为准。

7. 发布、嵌入与对话分析

完成配置后，用户可以预览并发布应用，也可以把聊天界面嵌入网站。发布设置可配合主题、标志、Markdown和LaTeX呈现。

平台包含用户互动分析，用于查看应用被怎样使用。企业部署前应确认分析维度、数据保存时间和个人信息处理规则。

8. 项目与团队管理

项目用于把智能体、知识库、评估和集成资源分组，并为团队成员分配访问权限。项目级密钥可供程序化访问资源，创建后需要妥善保存和定期轮换。

Epsilla Vector Database

向量数据库能力

• 支持面向嵌入向量的相似度检索。
• 支持数据库、表、字段、插入、更新、删除和查询等管理操作。
• 支持元数据过滤，便于按用户、时间、分类或权限缩小召回范围。
• 支持稠密与稀疏向量融合的混合搜索。
• 支持内置嵌入，让部分场景可以直接使用自然语言输入和返回结果。
• 提供计算与存储分离、Serverless和多租户相关架构能力。

部署与客户端

开发者可通过Docker启动数据库服务，并把数据目录挂载到持久化存储。Python客户端包可用于创建数据库和表、写入记录以及执行语义查询。

完整工作流程

1. 创建Epsilla账户并进入默认项目，确认团队、数据合规和预算要求。
2. 选择本地文件、网站或云端内容系统，创建知识库并完成授权。
3. 设置解析、分块、嵌入、元数据和同步策略，然后等待数据完成索引。
4. 创建Chat Agent或Smart Search Agent，选择模型并关联知识库。
5. 配置提示词、检索步骤、工具和输出方式，在预览环境中测试真实问题。
6. 建立评估数据和指标，对回答正确性、引用内容和失败案例进行复核。
7. 保存应用版本，选择网页发布、嵌入或程序化调用方式上线。
8. 通过使用分析、评估记录和用户反馈持续调整知识库与工作流。

使用教程

创建第一个知识库问答智能体

1. 在项目中创建知识库，选择一种已经获得使用授权的数据渠道。
2. 上传少量代表性资料，先使用默认解析和分块设置完成索引。
3. 创建聊天智能体并关联该知识库，设置回答范围和无法回答时的处理方式。
4. 准备事实问题、跨文档问题和无答案问题，逐项检查召回内容与回答。
5. 确认效果后再扩大资料范围，并启用适合数据源的自动同步。

接入自有模型密钥

1. 在集成设置中选择模型提供商。
2. 创建权限最小化的模型密钥，并在Epsilla中完成验证。
3. 把所需模型分配给智能体或嵌入任务，避免默认使用高成本模型。
4. 分别检查Epsilla资源用量和模型供应商账单，因为两者可能独立计费。
5. 设置预算告警并建立密钥轮换流程，成员离职或密钥泄露时及时撤销。

自托管向量数据库

1. 准备支持Docker的服务器，并规划持久化数据目录、端口和备份策略。
2. 拉取官方向量数据库镜像，挂载数据目录后启动服务。
3. 安装官方客户端，连接数据库并创建表结构与向量索引。
4. 写入少量测试记录，验证语义查询、元数据过滤和返回字段。
5. 上线前补充身份认证、网络隔离、监控、升级和灾难恢复方案。

适合哪些用户

• 企业知识管理团队：把分散在文件、网站和协作系统中的资料用于内部问答。
• 产品和客服团队：创建产品助手、帮助中心搜索和客户支持智能体。
• 开发者：利用开放的向量数据库、客户端和接口构建RAG应用。
• 咨询与专业服务团队：围绕行业资料、制度和项目文件建立领域智能体。
• 数据与AI团队：测试分块、嵌入、检索工作流和回答评估方案。
• 需要私有部署的团队：自托管向量数据库，并把应用层接入现有系统。

典型使用场景

• 内部制度问答：让员工从政策、流程和操作手册中检索答案。
• 客户支持：把产品文档和常见问题接入对话助手，减少重复查询。
• 智能站内搜索：按语义而非只按关键词检索帮助中心或内容库。
• 项目知识助手：同步Drive、Notion、Confluence或Jira中的项目资料。
• 文档研究：对多份报告进行检索、归纳，并保留可追查的知识片段。
• 开发者检索底座：为聊天机器人、推荐、搜索和大模型记忆提供向量存储。

产品优势

• 从数据接入到智能体发布的环节较完整，可减少多个独立服务之间的配置工作。
• 同时覆盖业务人员的可视化搭建和开发者的数据库、客户端与程序化管理需求。
• 知识库连接器覆盖常见文件、网站、云存储和企业协作系统。
• 分块、嵌入、元数据、假设问题和自动同步等设置适合持续优化RAG。
• 支持项目、成员、版本和评估，便于团队管理多个应用。
• 底层向量数据库源码公开，开发者可以检查实现并按许可证自托管。

使用限制与注意事项

• RAG回答仍可能遗漏、误引或错误概括资料，关键业务结果需要人工复核。
• 知识库质量高度依赖原始文件、解析结果、分块策略、嵌入模型和权限设计。
• 外部模型、搜索服务和数据源可能产生独立费用，不能只依据Epsilla套餐估算总成本。
• Free和Starter在成员与项目数量上限制明显，不适合复杂的多部门权限结构。
• 网页抓取、云盘同步和企业连接器受第三方权限、速率与内容格式影响。
• 自托管向量数据库不等于完整云平台私有化，智能体界面、评估和连接器需分别确认。
• GPL-3.0对分发和衍生作品具有义务，商用集成前应由技术与法务共同审核。
• 公开资料没有完整说明所有数据保留、模型训练和数据区域选项，敏感资料上线前应取得合同确认。

价格与套餐

Epsilla云平台采用Free、Starter、Professional和Enterprise分级。当前可核实的公开文档给出了成员和项目上限，但没有提供可稳定确认的最新金额，因此不应引用历史截图或第三方价格。

控制台账单页可查看当前套餐、资源使用量、支付方式和历史发票，并可发起升级。实际费用、文件容量、应用数量、消息额度和企业权益应以购买页面或合同为准。

额外成本

• 使用自有大模型密钥时，文本生成和嵌入费用由模型供应商另行收取。
• 网页搜索服务可能需要独立账户和调用额度。
• 对象存储、云平台流量和企业内容系统可能产生第三方费用。
• 自托管数据库需要计算、存储、备份、监控和运维成本。

支持平台与集成

API、SDK与开源情况

Epsilla Cloud允许在项目中管理API Key，并提供程序化管理知识库等能力。项目密钥只显示一次时应立即安全保存，生产环境还需要最小权限、密钥轮换和访问审计。

Epsilla Vector Database主仓库采用GPL-3.0许可证，核心以C++实现。官方Python和JavaScript客户端采用Apache-2.0，示例应用及部分集成仓库采用MIT，具体项目必须分别查看许可证。

隐私、安全与版权

• 上传知识库前应确认文件、网站和云端数据的访问授权，避免把客户或员工资料暴露给无权成员。
• 接入第三方模型会把必要输入发送给对应供应商，数据用途和保留规则需同时查看供应商协议。
• 项目密钥、模型密钥和数据源授权凭证不应写入公开代码、提示词或共享文档。
• 团队应为项目设置最小访问范围，并在成员角色变化后及时回收权限。
• 公开资料未完整说明所有客户内容是否用于模型改进，敏感场景应在企业合同中明确训练排除和删除机制。
• 自托管数据库的补丁、网络隔离、备份、日志和恢复责任由部署方承担。

基本信息

推荐指数

推荐指数：4.3 / 5。Epsilla适合希望把知识库、RAG、智能体搭建、评估和发布放在同一平台的团队，也适合需要开源向量数据库底座的开发者。

主要不足是当前公开定价金额不够透明，云平台与开源数据库的边界容易被误解。正式采购前应验证真实数据源、检索质量、第三方模型成本和企业数据条款。

常见问题

Epsilla免费吗？

云平台提供Free层，适合个人验证，公开文档显示其成员和项目数量都限制为1。其他套餐需要按控制台或企业报价付费。

Epsilla只是向量数据库吗？

不是。向量数据库是其底层和开源产品之一，当前Epsilla还提供知识库、AI智能体、工作流、评估、发布和团队管理。

Epsilla开源吗？

需要分开判断。Epsilla Vector Database采用GPL-3.0开源，若干客户端和示例也公开源码，但Epsilla Cloud平台不能据此标记为整体开源。

可以上传哪些资料？

可以使用本地文件、网站、Google Drive、Notion、S3、SharePoint、Confluence、Jira以及多种云对象存储。具体文件格式和容量受当前套餐与解析器限制。

是否支持团队协作？

支持项目和成员管理。Free仅1人，Starter最多2人，Professional最多20人，Enterprise公开文档标注为不限成员。

是否可以接入自己的模型？

可以。平台允许配置模型提供商密钥，模型调用费用和速率限制由相应供应商管理。

是否提供API？

提供程序化能力。云项目可管理API Key和知识库资源，向量数据库还提供REST接口及多语言客户端。

支持私有部署吗？

开源向量数据库可以通过Docker自托管，但这不等于完整Epsilla Cloud应用层都能私有部署。需要智能体平台私有化的企业应向官方确认范围。

生成回答可靠吗？

回答质量取决于资料、解析、分块、检索和模型。即使启用RAG也可能出现遗漏或错误归纳，应使用评估集和人工抽查验证重要结果。

数据会被用于训练吗？

当前可核实的公开资料不足以完整回答所有客户内容的训练用途。企业上传敏感信息前应取得关于训练排除、保留、删除和数据区域的书面条款。

总结

Epsilla把多渠道知识库、RAG检索、AI智能体、工作流、评估和发布连接成完整应用流程，同时保留了可自托管的开源向量数据库。

个人可以从Free层验证知识问答，团队应根据成员、项目和资源需求选择套餐。采购或上线前需要重点确认当前价格、模型与搜索外部费用、数据合规以及云平台和开源组件的实际边界。